ITGITG

Jurnal SistematikJurnal Sistematik

Institut Teknologi Garut (ITG) menentukan sekolah sasaran untuk roadshow Penerimaan Mahasiswa Baru (PMB) berdasarkan pengalaman tim, tanpa memanfaatkan data historis. Data PMB periode 2018–2025 mencakup 3.816 pelamar dan 3.374 mahasiswa yang diterima, yang belum diproses menjadi indikator terukur seperti rasio konversi, peringkat sekolah, peringkat wilayah, peta sebaran geografis, dan distribusi tipe sekolah. Penelitian ini mengolah data tersebut dalam kerangka Business Intelligence (BI), dengan komponen Decision Support System (DSS) yang diterapkan sebagai perhitungan berbasis aturan untuk mengubah dua indikator kuantitatif dengan bobot 60% dan 40% menjadi satu skor prioritas per sekolah dan wilayah, sesuai metodologi CRISP-DM dalam pendekatan campuran. Data kuantitatif diambil dari catatan historis PMB, sedangkan data kualitatif diperoleh melalui wawancara semi‑terstruktur untuk menentukan bobot indikator berdasarkan penilaian ahli. Model penilaian berbobot dikembangkan dengan memberi bobot 60% pada jumlah mahasiswa yang diterima dan 40% pada rasio konversi, menghasilkan peringkat untuk 937 sekolah. Dashboard Power BI mencakup tujuh keluaran: tren tahunan PMB, peringkat sekolah, peringkat wilayah, peta sebaran geografis berbasis Microsoft Azure Maps, distribusi program studi, distribusi tipe sekolah, dan tabel rekapitulasi tahunan. Kabupaten Garut mencatat 3.637 pelamar (95,31% dari total) dengan rasio konversi 87,21%. Kecamatan Tarogong Kidul mencatat jumlah pelamar tertinggi (412 mahasiswa), sementara Kecamatan Garut Kota mencatat jumlah mahasiswa yang diterima tertinggi (460 mahasiswa, CR 121,69%), dan SMAS mencatat rasio konversi tertinggi (97,73%). Semua peringkat dianggap sesuai untuk kebutuhan penentuan prioritas roadshow tim PMB ITG.

Penelitian ini menerapkan metodologi CRISP‑DM pada data PMB ITG tahun 2018–2025 untuk menghasilkan tiga indikator per sekolah dan wilayah serta skor prioritas berbobot, sehingga tim PMB dapat menentukan target secara berbasis bukti.Dashboard Power BI yang divalidasi menyediakan tujuh keluaran—tren tahunan, peringkat sekolah dan wilayah, peta geografis, distribusi program studi, segmentasi tipe sekolah, serta tabel rekapitulasi—yang mendukung penentuan daerah prioritas roadshow secara data‑driven.Penelitian selanjutnya disarankan menambahkan pembaruan data real‑time, memasukkan faktor operasional seperti jarak perjalanan dan kapasitas tim, serta menguji replikabilitas model pada institusi lain.

Penelitian lanjutan dapat mengeksplorasi penerapan metode Analytic Hierarchy Process (AHP) atau teknik penentuan bobot multikriteria lainnya untuk menggantikan penetapan bobot 60 %‑40 % yang saat ini didasarkan pada penilaian ahli, sehingga menghasilkan model prioritas yang lebih terstruktur, transparan, dan dapat diuji secara statistik. Selanjutnya, studi komparatif dapat dilakukan dengan memperluas kumpulan data ke beberapa institusi pendidikan tinggi di wilayah geografis yang berbeda, guna menguji keandalan, generalisasi, serta adaptabilitas model pada kondisi demografis, distribusi pelamar, dan karakteristik regional yang beragam. Penelitian juga dapat mengembangkan model keputusan yang mengintegrasikan faktor operasional seperti jarak tempuh, kapasitas tim promosi, dan batasan anggaran, serta mengimplementasikan mekanisme pembaruan data secara real‑time pada dashboard Power BI, sehingga memungkinkan penentuan prioritas roadshow yang lebih responsif dan optimal. Akhirnya, evaluasi longitudinal terhadap dampak penggunaan dashboard terhadap efektivitas kampanye pemasaran dan tingkat konversi mahasiswa dapat memberikan bukti empiris mengenai kontribusi sistem Business Intelligence dalam perencanaan strategis institusi.

  1. PENERAPAN SISTEM BUSINESS INTELLIGENCE (BI) SEBAGAI PENDUKUNG PENGAMBILAN KEPUTUSAN REKRUITMEN DAN SELEKSI... e-journal.stmiklombok.ac.id/index.php/misi/article/view/551PENERAPAN SISTEM BUSINESS INTELLIGENCE BI SEBAGAI PENDUKUNG PENGAMBILAN KEPUTUSAN REKRUITMEN DAN SELEKSI e journal stmiklombok ac index php misi article view 551
  2. Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI). analisis data historis penerimaan mahasiswa... doi.org/10.62712/juktisi.v4i2.615Jurnal Komputer Teknologi Informasi Sistem Komputer JUKTISI analisis data historis penerimaan mahasiswa doi 10 62712 juktisi v4i2 615
  3. Vol 12 No 1: Februari 2025 | Jurnal Teknologi Informasi dan Ilmu Komputer. vol jurnal teknologi ilmu... jtiik.ub.ac.id/index.php/jtiik/issue/view/90Vol 12 No 1 Februari 2025 Jurnal Teknologi Informasi dan Ilmu Komputer vol jurnal teknologi ilmu jtiik ub ac index php jtiik issue view 90
Read online
File size682.76 KB
Pages12
DMCAReport

Related /

ads-block-test